基于拓扑解析与深度学习融合的低压集抄系统故障诊断方法

• 作者: 何小龙 林志超 罗步升
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 低压集抄系统 拓扑解析 深度学习 深度置信网络 故障诊断
• 年，卷（期）: 2019,（20）
• 所属期刊栏目: 仪器仪表
• 页码范围: 145-152
• 页数: 8页
• 分类号: TM202
• 字数: 5990字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.020.025

摘要

针对低压集抄系统故障形式多样复杂、当前运维水平难以满足日益上升的用户需求的问题,提出了一种融合拓扑解析及深度学习的低压集抄系统故障诊断方法.从规划和运行两个阶段出发,分析变压器-集中器、集中器-电能表关联关系,对低压集抄系统拓扑结构进行解析.结合确定的物理拓扑及信息流动路径,基于深度学习理论,通过对涌现故障事件离线学习自动建立基于深度置信网络的故障诊断模型.根据在线获取的系统关键运行特征,建立系统故障断面特征向量,通过训练好的系统诊断模型获得最终诊断结果.算例结果表明,方法能有效准确地实现低压集抄系统故障诊断,能有效应对故障特征信息遗漏和错误的情况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林志超		13	16	3.0	3.0
2	罗步升		11	7	1.0	2.0
3	何小龙		2	3	1.0	1.0